婷婷久久综合九色综合,久久天天躁狠狠躁夜夜躁2012 ,免费久久99精品国产自在现

2020-07-30 16:39 來源：京東作者：京東

編輯推薦:　?。?）根據(jù)無人機(jī)遙感圖像成像的內(nèi)、外方位元素，采用直角空間變換及二次線性插補(bǔ)方法，實(shí)現(xiàn)了遙感圖像校正。
　?。?）提出一種分布存儲(chǔ)環(huán)境下的并行幾何校正算法，每個(gè)處理器通過計(jì)算本地輸入子圖像在目標(biāo)圖像中的范圍，確定其需要進(jìn)行重采樣計(jì)算的區(qū)域，使計(jì)算過程中所需的數(shù)據(jù)均為本地?cái)?shù)據(jù)，很好地解決了數(shù)據(jù)局部性問題。
　?。?）基于圖像數(shù)據(jù)總體分布的統(tǒng)計(jì)，分析了飛行試驗(yàn)圖像的成像質(zhì)量。基于人眼亮度視覺特性曲線，結(jié)合小波變換和Curvelet變換特點(diǎn)，提出一種新的圖像增強(qiáng)方法，實(shí)現(xiàn)了無人機(jī)遙感序列圖像的自適應(yīng)增強(qiáng)處理。
　?。?）提出結(jié)合小波變換和Canny算法的邊緣提取算法，該算法將Canny算法的非極大值抑制、雙閾值算法與小波變換多尺度分析思想相結(jié)合，利用Canny算法在高分辨率圖像的精確定位性與小波變換后的低分辨率圖像的抗噪聲能力相結(jié)合，從而消除噪聲的干擾，提取更加完整的邊緣。
　　（5）將圖像匹配分為粗匹配和精匹配兩個(gè)步驟。在粗匹配計(jì)算中，首先確定待拼接的兩幅圖像之間的大致重疊區(qū)域，然后利用小波變換與Canny算法提取圖像邊緣，最后采用區(qū)域匹配法求得兩幅圖像的匹配點(diǎn)。
　?。?）基于人眼的顏色視覺特性分析，本書提出了一種具有抗亮度干擾能力的彩色圖像色差度量方法。
　　（7）目標(biāo)的特征描述是跟蹤算法中的重要步驟，直接影響最終的跟蹤效果，決定整個(gè)跟蹤系統(tǒng)的性能。
　?。?）傳統(tǒng)的離線分類器需要人為標(biāo)記大量的樣本訓(xùn)練分類器，當(dāng)待測樣本與訓(xùn)練樣本具有較大差異時(shí)，無法及時(shí)適應(yīng)目標(biāo)的外觀變化，且難以推廣到其他目標(biāo)類型，分類器應(yīng)用具有局限性。

內(nèi)容簡介:　　無人機(jī)航空遙感系統(tǒng)具有圖像分辨率高、圖像實(shí)時(shí)傳輸、適合高危地區(qū)作業(yè)、成本低、機(jī)動(dòng)靈活等優(yōu)點(diǎn)，適用于低空高分辨率遙感數(shù)據(jù)的實(shí)時(shí)獲取，在區(qū)域性、工程性、災(zāi)害性和軍事性的遙感監(jiān)測中發(fā)揮著大型遙感系統(tǒng)難以替代的作用。無人機(jī)執(zhí)行遙感監(jiān)測任務(wù)時(shí)，需要實(shí)時(shí)傳輸其所獲取的圖像以及狀態(tài)數(shù)據(jù)，這就要求無人機(jī)航空遙感系統(tǒng)具備自動(dòng)、高速地完成圖像的獲取、壓縮、傳輸、處理、顯示以及存儲(chǔ)等功能。其中，確保遙感圖像處理的精準(zhǔn)性、實(shí)時(shí)性與可視性是無人機(jī)得以有效利用的重要前提條件。由于現(xiàn)有成像設(shè)備的性能所限，目前的航空遙感成像系統(tǒng)無法獲得大面積、高分辨率的觀測圖像，因此需要將獲取的序列遙感圖像進(jìn)行在線動(dòng)態(tài)拼接，以提高遙感圖像的信息獲取能力。本書結(jié)合無人機(jī)航空遙感具體的應(yīng)用需求，針對航空遙感圖像拼接技術(shù)中的幾項(xiàng)關(guān)鍵技術(shù)進(jìn)行了研究和探討。內(nèi)容包括：圖像幾何畸變校正、灰度序列遙感圖像拼接、顏色空間與顏色相似性度量、彩色遙感圖像拼接、圖像特征提取方法、SVM機(jī)器學(xué)習(xí)算法、可變形模板的多目標(biāo)跟蹤模型等。
　　本書可供信息科學(xué)、遙感科學(xué)和數(shù)理科學(xué)的科研人員和工程技術(shù)人員閱讀，還可以作為計(jì)算機(jī)科學(xué)與技術(shù)、自動(dòng)化、電子工程、遙感技術(shù)等專業(yè)的研究生和高年級(jí)本科生的教學(xué)參考書。

目錄:第1章緒論 1
1.1 無人機(jī) 2
1.2 無人機(jī)航空遙感系統(tǒng) 4
1.3 遙感圖像拼接技術(shù) 7
1.3.1 圖像匹配技術(shù) 8
1.3.2 圖像融合技術(shù) 12
第2章遙感圖像的基礎(chǔ)理論及相關(guān)知識(shí) 17
2.1 遙感圖像幾何畸變校正 18
2.1.1 坐標(biāo)系統(tǒng) 19
2.1.2 影像的內(nèi)外方位元素 20
2.1.3 空間直角坐標(biāo)系的旋轉(zhuǎn)變換 21
2.1.4 共線方程 22
2.1.5 灰度重采樣 24
2.2 遙感圖像并行幾何校正算法 25
2.2.1 并行幾何校正算法 26
2.2.2 并行幾何校正算法的實(shí)驗(yàn)結(jié)果與分析 31
2.3 遙感圖像對比度增強(qiáng) 34
2.3.1 直方圖修正法 34
2.3.2 直接灰度變換法 36
2.3.3 Wavelet與Curvelet變換相結(jié)合的圖像增強(qiáng)方法 39
2.4 實(shí)驗(yàn)結(jié)果與分析 43
2.5 結(jié)論 45
第3章灰度序列遙感圖像拼接 47
3.1 圖像邊緣檢測 48
3.1.1 微分算子法 49
3.1.2 Canny算法 49
3.1.3 數(shù)學(xué)形態(tài)學(xué)在邊緣檢測中的應(yīng)用 50
3.1.4 基于小波變換的邊緣檢測方法 51
3.2 小波變換與Canny算法相結(jié)合的邊緣檢測方法 52
3.2.1 小波基選擇 54
3.2.2 自適應(yīng)確定雙閾值 55
3.3 圖像匹配 57
3.3.1 匹配搜索區(qū)域計(jì)算 57
3.3.2 特征模板提取 59
3.3.3 匹配計(jì)算 59
3.4 圖像融合 62
3.4.1 失真程度 68
3.4.2 能量總和 69
3.4.3 能量最小化 71
3.5 實(shí)驗(yàn)結(jié)果與分析 75
3.6 結(jié)論 77
第4章顏色空間與顏色相似性度量 79
4.1 顏色空間分析 80
4.1.1 面向設(shè)備的顏色空間 80
4.1.2 面向視覺感知的顏色空間 83
4.1.3 均勻顏色空間 87
4.1.4 色差度量 90
4.2 顏色相似性度量 91
4.2.1 RGB與HSI顏色空間變換的特征 92
4.2.2 顏色相似系數(shù) 93
4.3 實(shí)驗(yàn)結(jié)果與分析 95
4.4 結(jié)論 96
第5章彩色遙感圖像拼接 99
5.1 顏色空間變換 100
5.2 色差計(jì)算 101
5.3 彩色圖像匹配 102
5.3.1 特征模板提取 102
5.3.2 匹配搜索策略 104
5.4 彩色圖像平滑 104
5.4.1 伽馬校正方法 105
5.4.2 亮度變換函數(shù) 106
5.4.3 平滑計(jì)算 106
5.5 實(shí)驗(yàn)結(jié)果與分析 107
5.6 結(jié)論 110
第6章圖像特征提取 111
6.1 圖像特征 112
6.1.1 LBP特征 112
6.1.2 Haar-like特征 115
6.1.3 SIFT特征 117
6.1.4 HOG特征 119
6.2 HOG特征的提取方法 120
6.2.1 圖像梯度計(jì)算 120
6.2.2 空間以及方向上的梯度統(tǒng)計(jì) 121
6.2.3 塊內(nèi)梯度直方圖的歸一化 122
6.2.4 最終HOG特征向量的生成 123
6.3 HOG特征的目標(biāo)描述 124
6.4 實(shí)驗(yàn)結(jié)果與分析 125
第7章 SVM機(jī)器學(xué)習(xí)算法 129
7.1 支持向量機(jī)(SVM)的原理 130
7.2 SVM分類器的數(shù)學(xué)模型 130
7.2.1 線性可分情況下的SVM模型 130
7.2.2 線性不可分情況下的SVM模型 134
7.2.3 非線性可分情況下的SVM模型 135
7.3 SVM分類器設(shè)計(jì) 136
7.4 HOG和SVM的目標(biāo)外觀模型 137
7.4.1 目標(biāo)外觀模型的建立 137
7.4.2 SVM分類器的訓(xùn)練 138
第8章可變形模板的多目標(biāo)跟蹤模型 141
8.1 可變形模板 142
8.2 圖結(jié)構(gòu)模型 142
8.2.1 圖的基本概念 144
8.2.2 表示圖像結(jié)構(gòu)特征的圖 145
8.3 構(gòu)造最小生成樹 146
8.4 建立目標(biāo)跟蹤模型 147
第9章 SVM在線學(xué)習(xí)的模型參數(shù)更新 151
9.1 在線學(xué)習(xí)的跟蹤算法 152
9.2 SVM在線學(xué)習(xí)的跟蹤框架 152
9.3 結(jié)構(gòu)化的SVM學(xué)習(xí) 154
9.3.1 結(jié)構(gòu)化的SVM 154
9.3.2 結(jié)構(gòu)化學(xué)習(xí) 155
9.4 實(shí)驗(yàn)結(jié)果與分析 157
第10章總結(jié)與展望 163
10.1 工作總結(jié) 164
10.2 未來工作的展望 165
參考文獻(xiàn) 167

相關(guān)商品